MétaCan
Menu
Retour à la cohorte
Enregistrement W2993678681

BLACK NANOFLUIDS FOR SOLAR ABSORPTION ON THE BASIS OF HYDROGEN PEROXIDE TREATED CARBON PARTICLES

2013· article· en· W2993678681 sur OpenAlexvenueno aff
K Rumen, G.K. Christian, S Petko

Notice bibliographique

RevueAdvances in natural science/Advances in natural sciences · 2013
Typearticle
Langueen
DomaineEnergy
ThématiqueSolar Thermal and Photovoltaic Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNanofluidMaterials scienceCarbon blackTransmittanceAbsorption (acoustics)Solar energyCarbon fibersAbsorbanceNanofluids in solar collectorsChemical engineeringAnalytical Chemistry (journal)NanoparticleComposite materialNanotechnologyChemistryOptoelectronicsChromatographyNatural rubber
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In this study the effect of carbon black nanoparticles concentration in water and propylene glycol based nanofluids on the solar energy absorbance has been studied. These nanofluids have been obtained by preliminary treatment of the used carbon particles with H 2 O 2 , heating and magnetic stirring. This pretreatment alters their wettability, sticking and surface adsorption, which permits the producing of stable nanofluids. Transmittance and extinction coefficients of these carbon black nanofluids have been estimated in the visible range. The optimal concentration of the carbon particles (0.2 g dm -3 for both dispersion media has been determined. The extinction coefficients for water-based fluids are slightly higher than those for the propylene glycol based ones. Their values slightly decrease with wavelength. Solar transmittance mean values in the visible spectrum indicate that the investigated fluids have a high potential for solar energy conversion. Such a good efficiency has also been established for solar radiation absorption in a wider wavelength range (200-2500 nm). Photothermal experiments of the studied carbon black nanofluids show a good temperature increase rate with solar irradiation time.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,159
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,004
Études des sciences et des technologies0,0000,003
Communication savante0,0000,003
Science ouverte0,0020,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,013
Tête enseignante GPT0,268
Écart entre enseignants0,256 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in natural science/Advances in natural sciencesMême sujetSolar Thermal and Photovoltaic SystemsTravaux en français237 207